深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
1581	2026-03-15	TRIAGE: Trustworthy Reporting and Assessment for Clinical Gain and Effectiveness of AI Models 2026-Feb-25, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050666 PMID:41827942	综述	本文提出并详细阐述了一个名为TRIAGE的临床评估框架，旨在为诊断性AI模型提供可信赖的报告和评估，以弥合模型性能报告与临床安全采用所需证据之间的差距	提出了一个以临床用例（筛查、分诊、二次阅片和确认性测试）为导向的、结构化的AI模型评估框架，整合了从核心判别指标到鲁棒性、公平性、计算约束及统计比较的全面评估参数	本文是一篇方法论综述，未涉及具体模型或数据集的实证研究，其提出的框架有效性有待在实际应用场景中进一步验证	旨在建立一个标准化的、可重现的、且具有临床可解释性的诊断性AI模型评估与报告框架，以促进AI在临床诊断中的安全有效应用	用于临床诊断的机器学习模型，特别是应用于医学影像、生物信号解读和电子健康记录决策支持的模型	机器学习	NA	机器学习（包括深度学习、基于核的分类器、集成方法）	NA	医学影像、生物信号、电子健康记录	NA	NA	NA	准确率、AUC、灵敏度、特异度、预测值、似然比、诊断比值比、F分数、汉明损失、精确匹配率、Jaccard/IoU、校准斜率、Brier分数	NA
1582	2026-03-15	MFF-AE: Enhanced Quality Control for Proteomics Mass Spectrometry Data via Multi-Scale Feature Fusion 2026-Feb-25, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27052121 PMID:41828350	研究论文	本文提出了一种基于多尺度特征融合的自编码器（MFF-AE），用于提高蛋白质组学质谱数据的质量控制性能	提出了一种结合全局和局部数据特征的多尺度特征融合自编码器，能更有效地捕获质谱数据中的关键信息以识别异常样本	NA	开发一种深度学习异常检测模型，以提高蛋白质组学质谱数据的质量控制能力	无标记定量蛋白质组学数据（蛋白质丰度矩阵）	机器学习	NA	质谱分析，MaxQuant	自编码器	蛋白质丰度矩阵	NA	NA	自编码器	NA	NA
1583	2026-03-15	Communication Signal Modulation Recognition Method Based on Multi-Feature Multi-Channel ResNet and BiLSTM Neural Network 2026-Feb-25, Sensors (Basel, Switzerland) DOI:10.3390/s26051426 PMID:41829388	研究论文	本文提出了一种基于多特征多通道ResNet和BiLSTM神经网络的通信信号调制识别方法，以提高在低信噪比环境下的识别准确率	结合多特征多通道ResNet与BiLSTM神经网络，设计自适应多头注意力网络进行加权特征融合，有效避免参数不平衡导致的退化问题	NA	提高通信信号调制识别的准确率，特别是在低信噪比环境下	通信信号的调制数据	机器学习	NA	信号处理，包括IQ、AP和FFT格式转换	CNN, LSTM	信号向量	NA	NA	ResNet, BiLSTM	识别率, 召回率	NA
1584	2026-03-15	Ensemble Deep Learning-Based High-Precision Framework for Breast Cancer Detection from Histopathological Images 2026-Feb-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050653 PMID:41827929	研究论文	本文提出了一种基于集成深度学习的四阶段混合框架，用于从组织病理学图像中高精度检测乳腺癌	通过结合CNN和ViT模型，利用自注意力机制进行跨模态特征融合，提高了模型的鲁棒性和泛化能力	未明确说明模型在更大规模或更多样化数据集上的性能表现	开发一个高精度、鲁棒且可解释的自动化乳腺癌诊断框架	乳腺癌组织病理学图像	数字病理学	乳腺癌	组织病理学图像分析	CNN, ViT	图像	BreakHis数据集（具体数量未明确）和外部BACH数据集	TensorFlow, PyTorch	VGG16, ResNet50, DenseNet121, DeiT, CaiT, T2T-ViT, Swin Transformer	准确率, F1分数	NA
1585	2026-03-15	A Novel Fully Automated Deep Learning Model for Coronary Artery Calcification Detection on Computed Tomography 2026-Feb-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050646 PMID:41827922	研究论文	本文开发了一种全自动深度学习模型，用于在非对比、非门控CT扫描上分割冠状动脉并检测钙化	提出了一种两阶段3D分割流程，结合解剖学精炼标签和基于区域的优化，以提高结构一致性，实现了在非对比CT上对冠状动脉钙化的高精度自动检测	研究样本量相对有限（训练集69例，评估集100例，验证集473例），且模型性能主要基于内部和部分外部扫描验证，需要更大规模的多中心外部验证	评估全自动深度学习模型在非对比、非门控CT扫描上分割冠状动脉和检测钙化的诊断准确性	冠状动脉（右冠状动脉RCA、左前降支LAD、左回旋支LCX）及其钙化斑块	计算机视觉	心血管疾病	计算机断层扫描（CT）	深度学习模型	3D CT图像	训练集：69例CT扫描（42例非对比，27例对比增强）；视觉评估队列：100例扫描；性能验证集：473例内部和外部扫描	NA	两阶段3D分割管道	敏感性, 特异性, 阳性预测值, 阴性预测值, Cohen's kappa系数, 回归系数	NA
1586	2026-03-15	Liver Tumor Segmentation with Deep Learning: A Comparative Analysis of CNN-, Transformer-, and YOLO-Based Models on the ATLAS MRI 2026-Feb-24, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16050649 PMID:41827926	研究论文	本研究系统比较了基于卷积神经网络、Transformer和YOLO的深度学习模型在ATLAS MRI数据集上进行肝脏和肝细胞癌分割的性能	首次在肝脏肿瘤MRI分割任务上系统比较了卷积、Transformer和检测（YOLO）三类主流深度学习方法的性能，并分析了各自在精度、上下文建模和计算成本方面的优劣势	研究仅在单一ATLAS MRI数据集上进行验证，未在其他多中心或更异构的数据集上测试模型的泛化能力	比较不同深度学习架构在肝脏和肝细胞癌MRI图像分割任务上的性能，为临床选择合适模型提供依据	肝脏和肝细胞癌（HCC）	数字病理	肝癌	对比增强磁共振成像（MRI）	CNN, Transformer, YOLO	医学图像（MRI）	ATLAS MRI数据集（具体数量未在摘要中说明）	NA	nnU-Net, Transformer-based architectures, YOLO-based frameworks	Dice系数, IoU, 精确率, 召回率, F1分数	NA
1587	2026-03-15	A Comprehensive Eye-Tracking System Toward Large FOV HMD 2026-Feb-24, Sensors (Basel, Switzerland) DOI:10.3390/s26051402 PMID:41829365	研究论文	本文提出了一种面向大视场头戴式显示器的综合眼动追踪系统，结合定制硬件和实时软件流程	针对大视场VR头显的眼动追踪工程挑战，提出集成近眼照明、图像采集与深度学习模型的实时系统，并引入注意力增强机制显著提升性能	系统在固定标定条件下运行，未讨论动态标定或用户间泛化能力	解决大视场VR头显中眼动追踪的工程实现问题	虚拟现实头戴式显示器中的眼动追踪系统	计算机视觉	NA	眼动追踪	深度学习	图像	NA	NA	ResNet-152, 注意力增强模型	平均角度偏差	NA
1588	2026-03-15	SFCF-Net: Spatial-Frequency Synergistic Learning for Casting Defect Segmentation of Pre-Service Aircraft Engine Blades in Industrial Radiographic Inspection 2026-Feb-24, Sensors (Basel, Switzerland) DOI:10.3390/s26051416 PMID:41829382	研究论文	本文提出了一种新颖的空间-频率互补融合网络（SFCF-Net），用于工业射线检测中飞机发动机叶片铸造缺陷的精确分割	通过选择性跨模态校准模块、跨模态细化和互补模块以及非对称窗口注意力模块，协同整合空间和频域特征，以解决图像质量差、类内方差、类间相似性和不规则缺陷几何形状等挑战	NA	实现飞机发动机叶片铸造缺陷的精确分割，以支持叶片制造中的自动化质量控制	飞机发动机涡轮叶片	计算机视觉	NA	工业射线检测	深度学习网络	图像	NA	NA	SFCF-Net	NA	NA
1589	2026-03-15	AFTA-Net: Axial Fusion and Triaxial Factorised Attention Network for Nowcasting of Severe Convective Weather 2026-Feb-24, Sensors (Basel, Switzerland) DOI:10.3390/s26051409 PMID:41829372	研究论文	本文提出了一种名为AFTA-Net的新型编码器-解码器架构，用于解决雷达回波外推中非线性大气运动和强度衰减的挑战	引入了轴向融合块（AFB）通过并行分解策略显式分离时间演变与空间形态，并设计了三轴因子化注意力（TAFA）机制跨时间、通道和空间维度顺序重校准特征表示	NA	改进0-2小时临近预报中的雷达回波外推技术	强对流天气	计算机视觉	NA	雷达回波外推	编码器-解码器	雷达数据	NA	NA	AFTA-Net	CSI, HSS	NA
1590	2026-03-15	SD-IDD: Selective Distillation for Incremental Defect Detection 2026-Feb-24, Sensors (Basel, Switzerland) DOI:10.3390/s26051413 PMID:41829375	研究论文	本文提出了一种基于选择性蒸馏的增量缺陷检测模型SD-IDD，旨在解决深度学习模型在学习新缺陷类别时的灾难性遗忘问题	提出了三种选择性蒸馏策略：高置信度分类蒸馏、双阶段级联回归蒸馏和IoU驱动的难度感知特征蒸馏，以在无需旧训练样本的情况下有效保留旧类别知识并提升新类别检测精度	未提及模型在更广泛或更复杂工业场景下的泛化能力，以及计算资源消耗的具体分析	解决工业缺陷检测中模型增量学习新缺陷类别时的灾难性遗忘问题	工业表面缺陷	计算机视觉	NA	深度学习	基于GFLv1的检测模型	图像	NEU-DET和DeepPCB数据集	未明确提及，可能基于PyTorch或TensorFlow	GFLv1	mAP_old, mAP_new, mAP_all	NA
1591	2026-03-15	Accurate predictions of disordered protein ensembles with STARLING 2026-Feb-18, Nature IF:50.5Q1 DOI:10.1038/s41586-026-10141-2 PMID:41708867	研究论文	本文介绍了STARLING框架，该框架结合了基于物理的力场和多模态生成式深度学习，用于快速生成准确的内在无序蛋白（IDR）集合及其序列表示	STARLING框架创新性地整合了物理力场与生成式深度学习，支持环境条件调节（如离子强度），并展示了在训练域外的插值能力，同时通过贝叶斯最大熵重加权方案实现实验约束下的集合精炼	NA	开发一个计算框架，以快速生成和表征内在无序蛋白（IDR）的结构集合，并探索其在生物物理性质分析和序列设计中的应用	内在无序蛋白和区域（IDRs）	机器学习	NA	基于物理的力场，多模态生成式深度学习	生成式深度学习模型	蛋白质序列数据	NA	NA	NA	准确性评估（基于实验数据对比）	NA
1592	2026-03-15	EchoNet++: A multilingual soccer match audio commentary dataset 2026-Feb-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39884-8 PMID:41703173	研究论文	本文介绍了一个用于自动处理职业足球比赛转播的多语言、多阶段音频分析流程，并发布了相应的数据集	提出了一个可复现的端到端系统，并进行了组件级分析，揭示了预处理、分割、转录和翻译在真实转播条件下如何共同影响性能	NA	开发一个可扩展、语言无关的音频理解系统，用于处理足球比赛转播音频	职业足球比赛转播的音频数据	自然语言处理	NA	音频提取、去噪、语音分割、转录和翻译	ASR模型（如Whisper变体）、VAD模型	音频	来自欧洲顶级联赛的全场比赛视频	FFmpeg, Demucs, Silero VAD, Whisper	Demucs, Silero VAD, Whisper（Medium, Large, Turbo）, Insanely Fast Whisper	词错误率, 语言检测准确率, 分割一致性	NA
1593	2026-03-15	YOLOv8 powered deep learning framework for detection and classification of oral potentially malignant disorders and oral cancer using intraoral images 2026-Feb-16, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2026.02.006 PMID:41826178	研究论文	本研究开发了一个基于YOLOv8实例分割架构的深度学习框架，用于检测和分类口腔潜在恶性病变及口腔癌	首次将YOLOv8实例分割模型应用于口腔内图像，实现高精度的口腔病变检测与分类	数据集规模相对有限，且主要依赖专家标注，可能影响模型泛化能力	开发AI辅助工具以支持口腔病变的早期检测与分类	口腔内图像中的口腔潜在恶性病变和口腔癌病变	计算机视觉	口腔癌	深度学习	YOLOv8	图像	583张临床口腔内图像（扩展至3,285张）	NA	YOLOv8实例分割架构	mAP@50, mAP@50-95, Precision, Recall	NA
1594	2026-03-15	Establishing dermatopathology encyclopedia DermpathNet with Artificial Intelligence-Based Workflow 2026-Feb-06, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06715-4 PMID:41651886	研究论文	本文介绍了一个通过人工智能工作流程建立的开放获取皮肤病理学图像数据集DermpathNet，用于教育、交叉参考和机器学习目的	提出了一种结合深度学习图像模态分类和图像标题分析的混合工作流程，用于半自动地整理和分类皮肤病理学图像	未明确说明数据集的长期维护计划或更新频率	建立一个全面、开放获取的皮肤病理学图像数据集，以解决临床医生和学员在获取高质量图像资源方面的挑战	从PubMed Central (PMC) 存储库中提取的皮肤病理学图像	数字病理学	皮肤疾病	深度学习图像模态分类，图像标题分析	深度学习	图像	7,772张图像，涵盖166种诊断	未明确指定	未明确指定	F-score	未明确指定
1595	2026-03-15	Development of deep learning model to screen for primary open-angle glaucoma in African ancestry individuals 2026-Feb-06, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02318-2 PMID:41652030	研究论文	本文开发了一种深度学习模型，用于筛查非洲裔人群中的原发性开角型青光眼	针对非洲裔人群开发了首个基于深度学习的POAG筛查模型，并利用多图像选择与Vision-Transformer架构提高了筛查准确性	模型在非洲裔人群数据上训练，但在其他种族群体中的泛化能力尚未充分验证	开发一种人工智能模型，用于筛查原发性开角型青光眼，特别是在非洲裔人群中	非洲裔人群的青光眼筛查	计算机视觉	青光眼	眼底摄影	Vision-Transformer, Binary Classifier	图像	64,129张图像，包括来自1,782例病例的42,914张图像和来自682例对照的21,215张图像	NA	Vision-Transformer	AUC	NA
1596	2026-03-15	Deep learning drives autonomous molecular reactions with single-bond selectivity in tetra-brominated porphyrins on Au(111) 2026-Feb-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69080-1 PMID:41639093	研究论文	本文介绍了一种基于深度学习的策略，用于在Au(111)表面上的四溴化卟啉中自主执行多步、键选择性的分子反应	结合计算机视觉、神经网络和深度强化学习，实现了从孤立的人为操作到完全自主、数据驱动的反应控制的转变，提供了可编程的多步反应序列	作为概念验证，仅针对特定分子（四溴化卟啉）在Au(111)表面上进行了演示，可能尚未广泛验证于其他分子或表面	追求在分子纳米科学中实现具有单键精度的自主化学转化	Au(111)表面上的四溴化卟啉分子	计算机视觉, 机器学习	NA	扫描隧道显微镜（STM）	神经网络, 深度强化学习	图像	NA	NA	NA	高保真度	NA
1597	2026-03-15	Towards reliable prediction of intraoperative hypotension: a cross-center evaluation of deep learning-based and MAP-derived methods 2026-02, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-025-01357-0 PMID:40938328	研究论文	本研究评估了深度学习模型与平均动脉压阈值方法在预测术中低血压方面的可靠性，并通过跨中心验证揭示了数据集选择偏差对模型性能的影响	引入包含血压边界案例的“灰色区域”框架，进行跨中心、跨人群的验证，并标准化样本间的平均动脉压差异以减少偏差	研究依赖于特定医院的数据集，可能未涵盖所有手术类型或临床场景，且模型在年龄差异上的泛化能力仍需进一步验证	评估和提升人工智能工具在预测术中低血压方面的真实世界可靠性	术中低血压的预测模型，包括深度学习方法和平均动脉压阈值方法	机器学习	心血管疾病	深度学习	深度学习模型	血压数据	来自瑞典卡罗林斯卡大学医院和韩国VitalDB的数据集	NA	NA	NA	NA
1598	2026-03-15	ParkEnNET: a majority voting-based ensemble transfer learning framework for early Parkinson's disease detection 2026-Feb, Acta neurologica Belgica IF:2.0Q3 DOI:10.1007/s13760-025-02902-z PMID:41047458	研究论文	提出了一种基于多数投票的集成迁移学习框架ParkEnNET，用于早期帕金森病的检测	通过集成多个预训练深度学习模型并采用多数投票策略，有效处理了医学数据中的小样本、噪声和类别不平衡问题	未明确说明模型在更广泛、多中心数据集上的泛化能力，以及计算资源消耗的具体评估	开发一个准确、高效的早期帕金森病诊断框架	帕金森病患者（特别是早期阶段）的MRI数据	数字病理学	帕金森病	MRI	CNN	图像	未明确说明具体样本数量，但提及使用了来自Superspeciality Hospital Jammu的独立临床数据集	未明确指定，但提及使用了预训练深度学习模型	VGGNet, ResNet-50, EfficientNet	准确率, 精确率, 召回率, F1分数	NA
1599	2026-03-15	Thermal imaging-guided detection of transparent plastic contaminants on chicken breast: A combined vision and simulation approach 2026-Jan-31, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.117993 PMID:41412667	研究论文	本研究开发了一种结合热成像与机器学习的系统，用于检测鸡肉上的透明塑料污染物	首次将热成像与YOLOv8深度学习模型结合用于检测低密度透明塑料污染物，并辅以热阻容模型和COMSOL仿真分析热行为	实验仅使用特定尺寸范围（0.2-8 cm）的塑料片，未涵盖所有可能的污染物形态	开发可靠的透明塑料污染物检测系统以提升禽肉加工食品安全	鸡肉胸肉上的透明塑料污染物	计算机视觉	NA	热成像技术	CNN	热成像图像	386张标注的热成像图像	PyTorch	YOLOv8s	检测精度, 分割精度	NA
1600	2026-03-15	scPlantAnnotate: an accurate and robust transformer-based model for plant cell type annotation 2026-Jan-17, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2026.01.035 PMID:41554477	研究论文	本文开发了scPlantAnnotate，一种基于Transformer的植物单细胞RNA测序细胞类型注释模型，并在多个植物物种上进行了评估	开发了首个针对植物scRNA-seq数据的Transformer参考注释框架，在标准评估和严格的留一数据集测试中均表现出优越性能和增强的鲁棒性	模型在留一数据集测试中性能仍会下降，且仅针对四种植物物种进行了训练和验证	开发并评估一个专门用于植物单细胞RNA测序数据细胞类型注释的准确且鲁棒的模型	拟南芥、玉米、水稻和大豆的scRNA-seq数据	自然语言处理	NA	单细胞RNA测序	Transformer	单细胞RNA测序数据	来自四种植物物种的精选数据集	NA	Transformer	准确率, 宏F1分数, 平衡准确率, 宏AUROC	NA